SVM + 基数约束组合优化

核心创新#

首次将**支持向量机(SVM)**整合进基数约束均值-方差优化模型中。

方法#

联合建模：同时选择组合权重和分离超平面，优化三者的权衡：

1. 风险调整后收益
2. 超平面间隔（margin）
3. 分类误差

数学形式：凸混合整数二次规划(MIQP)，可用标准商用求解器（如Gurobi, CPLEX）求解，无需自定义算法。

参数策略#

开发了Big-M参数选择策略：

• 保证所选组合的风险在最低可能风险的一定倍数以内
• 生成对从业者有信息量的分离超平面

实验#

在两组数据集上滚动回测：

• 提出的方法在样本外风险调整收益上优于纯基数约束MVO
• 超平面提供了额外的投资流程解释性

交叉引用#

• 见 端到端组合构建 — 其他组合优化方法的对比（端到端全集）
• 见 稳健组合优化 — 鲁棒组合优化方法对比
• 见 Barra纯因子 — 因子风险模型与组合优化的结合